一、实验目的

1.熟练安装scikit-learn扩展库(本库有许多依赖库，如该库建立在NumPy，SciPy和matplotlib之上，一般要先安装这些扩展库后，再安装。当然在线安装的话也会一次性将依依赖库安装完，前提是这些库的网站能连上)；（自学，出问题从网上找答案！测试：安装后导入：import sklearn不出错就证明成功了。）

2.测试水平程序的编写

二、实验内容

1.将第十二周课堂讲的代码（见课件或视频）在IDLE 或 Jupyter Notebook中敲一遍。

2.编写程序，测试学员是否有学习python的资格。

三、实验步骤

1.需敲入的代码见ppt课件或视频;(略)

2.自学相关知识，敲入参考代码运行，在理解代码原理基础上，根据不同测试内容改编程序。

四、决策树判断你是否可学python

1.代码

from sklearn import tree
import numpy as np

questions=('台式电脑、手提电脑','计算机编程','英文26个字母',
           '汉字','正整数、负整数、0','小数','电脑游戏',
           '思考问题','数学问题','语文问题')

#每个样本的数据含义：
#0表示都不清楚，1很多不清楚，2大部分很清楚，3都很清楚
answers=[[3,3,3,3,3,3,3,3,3,3],
         [0,0,0,0,0,0,0,0,0,0],
         [1,1,1,1,1,1,1,1,1,1],
         [3,3,3,0,0,0,0,1,3,0],
         [0,0,0,3,3,0,0,3,3,3],
         [3,3,3,3,0,0,0,3,3,0],
         [3,0,3,0,3,0,0,3,3,2],
         [2,2,2,2,2,2,2,2,2,2],
         [0,0,0,0,0,0,0,2,2,0],
         [0,0,0,3,0,0,0,3,3,0],
         [0,0,0,0,0,0,0,0,0,3],
         [0,0,0,0,3,0,0,3,3,0],
         ]
labels=['极具学习天赋','暂不适合学习','适合学习','有学习基础',
        '有相当高学习天赋','有学习基础','有相当高学习天赋','有学习基础',
        '适合学习','有学习基础','有相当高学习天赋','有相当高学习天赋'
        ]


clf=tree.DecisionTreeClassifier().fit(answers,labels)#训练
yourAnswer=[]
for question in questions:
    print('你对下面的问题：','[',question,']''清楚吗？')
    while True:
        print('都不知道0，很多知道1，大部分很清楚2，都很清楚3')
        try:
            answer=int(input('请输入：'))
            assert 0<=answer<=3
            break
        except:
            pass
    yourAnswer.append(answer)

yourAnswer=np.array(yourAnswer).reshape(1,-1)
print(clf.predict(yourAnswer))#分类

2.结果

---